基于正则表达式的字符串替换：排除指定动词列表匹配项

需求说明 #

需要修改现有Python正则替换逻辑，仅当匹配到的无空格子串（即noun_pattern匹配内容）不在指定动词列表list_verbs_in_this_input中且**不是点号"."**时，才将以行首或空格后"a "开头的该子串用()包裹。

原代码示例 #

import re

input_text = "a áshgdhSdah saasas a corrEr, assasass a saltó sasass a sdssaa" #example

list_verbs_in_this_input = ["serías", "serían", "sería", "ser", "es", "corré", "corrió", "corría", "correr", "saltó", "salta", "salto", "circularías", "circularía", "circulando", "circula", "consiste", "consistían", "consistía", "consistió", "ladró", "ladrando", "ladra", "visualizar", "ver", "vieron", "vió"]

noun_pattern = r"((?:\w+))" # pattern that doesnt tolerate whitespace in middle

imput_text = re.sub(r"(?:^|\s+)a\s+" + noun_pattern, 
                    "(\g<0>)", 
                    input_text, re.IGNORECASE)

print(repr(input_text)) # --> output

修改后的代码实现 #

import re

input_text = "a áshgdhSdah saasas a corrEr, assasass a saltó sasass a sdssaa" #example

list_verbs_in_this_input = ["serías", "serían", "sería", "ser", "es", "corré", "corrió", "corría", "correr", "saltó", "salta", "salto", "circularías", "circularía", "circulando", "circula", "consiste", "consistían", "consistía", "consistió", "ladró", "ladrando", "ladra", "visualizar", "ver", "vieron", "vió"]

# 生成动词的正则匹配组（处理特殊字符并支持不区分大小写）
verbs_pattern = "|".join(re.escape(v) for v in list_verbs_in_this_input)
# 构建带条件过滤的正则：负向预查排除动词和点号，拆分捕获组保留前缀与目标子串
pattern = r"(^|\s+)a\s+(?!(?:{}|\.)\b)(\w+)".format(verbs_pattern)

# 执行替换：仅包裹目标子串，保留原有前缀
output_text = re.sub(pattern, r"\1(\2)", input_text, flags=re.IGNORECASE)

print(repr(output_text))

关键修改点说明 #

• 条件过滤实现：通过**负向预查(?!...)**排除匹配动词列表中的内容和点号，\b用于确保匹配完整单词，避免部分匹配的情况。
• 正则结构优化：拆分捕获组，分别捕获行首/空格前缀和目标子串，替换时只把目标子串包裹进括号，修正了原代码把"a "也包裹的问题，符合需求输出格式。
• 动词列表处理：用re.escape()处理每个动词，避免特殊字符干扰正则匹配，再用|拼接成可选匹配组，保证动词匹配的准确性。

执行后输出：

'(áshgdhSdah) saasas a corrEr, assasass a saltó sasass (sdssaa)'

内容的提问来源于stack exchange，提问作者Matt095